Matplotlib如何为四个2D直方图绘制一个颜色条？

Question

Matplotlib如何为四个2D直方图绘制一个颜色条？

3

在我开始之前，我想说一下，我曾尝试过遵循这篇和这篇关于同样问题的帖子，但是它们使用了像imshow热图这样的东西，而不是像我所做的2D直方图。

以下是我的代码（实际数据已被随机生成的数据替换，但主要思路是相同的）：

import matplotlib.pyplot as plt
import numpy as np

def subplots_hist_2d(x_data, y_data, x_labels, y_labels, titles):
    fig, a = plt.subplots(2, 2)

    a = a.ravel()
    for idx, ax in enumerate(a):
        image = ax.hist2d(x_data[idx], y_data[idx], bins=50, range=[[-2, 2],[-2, 2]])
        ax.set_title(titles[idx], fontsize=12)
        ax.set_xlabel(x_labels[idx])
        ax.set_ylabel(y_labels[idx])
        ax.set_aspect("equal")
    cb = fig.colorbar(image[idx])
    cb.set_label("Intensity", rotation=270)

    # pad = how big overall pic is
    # w_pad = how separate they're left to right
    # h_pad = how separate they're top to bottom
    plt.tight_layout(pad=-1, w_pad=-10, h_pad=0.5)

x1, y1 = np.random.uniform(-2, 2, 10000), np.random.uniform(-2, 2, 10000)
x2, y2 = np.random.uniform(-2, 2, 10000), np.random.uniform(-2, 2, 10000)
x3, y3 = np.random.uniform(-2, 2, 10000), np.random.uniform(-2, 2, 10000)
x4, y4 = np.random.uniform(-2, 2, 10000), np.random.uniform(-2, 2, 10000)
x_data = [x1, x2, x3, x4]
y_data = [y1, y2, y3, y4]
x_labels = ["x1", "x2", "x3", "x4"]
y_labels = ["y1", "y2", "y3", "y4"]
titles = ["1", "2", "3", "4"]
subplots_hist_2d(x_data, y_data, x_labels, y_labels, titles)

以下是它生成的内容：

现在我的问题是，我无论如何都不能让颜色条应用于这4个直方图。另外，由于某种原因，右下角的直方图与其他直方图相比表现得有些奇怪。在我发布的链接中，他们的方法似乎没有使用 a = a.ravel()，我之所以在这里使用它，是因为这是唯一允许我将4个直方图绘制为子图的方法。请帮帮我吗？

编辑： Thomas Kuhn 的新方法实际上解决了我所有的问题，直到我放置标签并尝试使用 plt.tight_layout() 排列重叠的部分。如果我在 plt.tight_layout(pad=i, w_pad=0, h_pad=0) 中放置特定的参数，则似乎颜色条开始表现不正常。我现在来解释一下我的问题。

我对您的新方法进行了一些更改，以使其适合我的需要，就像这样

def test_hist_2d(x_data, y_data, x_labels, y_labels, titles):
    nrows, ncols = 2, 2
    fig, axes = plt.subplots(nrows, ncols, sharex=True, sharey=True)
    ##produce the actual data and compute the histograms
    mappables=[]
    for (i, j), ax in np.ndenumerate(axes):
        H, xedges, yedges = np.histogram2d(x_data[i][j], y_data[i][j], bins=50, range=[[-2, 2],[-2, 2]])
        ax.set_title(titles[i][j], fontsize=12)
        ax.set_xlabel(x_labels[i][j])
        ax.set_ylabel(y_labels[i][j])
        ax.set_aspect("equal")
        mappables.append(H)

    ##the min and max values of all histograms
    vmin = np.min(mappables)
    vmax = np.max(mappables)

    ##second loop for visualisation
    for ax, H in zip(axes.ravel(), mappables):
        im = ax.imshow(H,vmin=vmin, vmax=vmax, extent=[-2,2,-2,2])
    
    ##colorbar using solution from linked question
    fig.colorbar(im,ax=axes.ravel())
    plt.show()
#    plt.tight_layout
#    plt.tight_layout(pad=i, w_pad=0, h_pad=0)

现在，如果我尝试生成我的数据，就像这样：

phi, cos_theta = get_angles(runs)

detector_x1, detector_y1, smeared_x1, smeared_y1 = detection_vectorised(1.5, cos_theta, phi)
detector_x2, detector_y2, smeared_x2, smeared_y2 = detection_vectorised(1, cos_theta, phi)
detector_x3, detector_y3, smeared_x3, smeared_y3 = detection_vectorised(0.5, cos_theta, phi)
detector_x4, detector_y4, smeared_x4, smeared_y4 = detection_vectorised(0, cos_theta, phi)

这里的detector_x, detector_y, smeared_x, smeared_y都是数据点列表，现在我将它们放入2x2列表中，以便于我的绘图函数适当地进行解包，方法如下：

data_x = [[detector_x1, detector_x2], [detector_x3, detector_x4]]
data_y = [[detector_y1, detector_y2], [detector_y3, detector_y4]]
x_labels = [["x positions(m)", "x positions(m)"], ["x positions(m)", "x positions(m)"]]
y_labels = [["y positions(m)", "y positions(m)"], ["y positions(m)", "y positions(m)"]]
titles = [["0.5m from detector", "1.0m from detector"], ["1.5m from detector", "2.0m from detector"]]

我现在使用以下代码运行:

test_hist_2d(data_x, data_y, x_labels, y_labels, titles)

只需打开plt.show()，它就会显示如下图所示：

这很好，因为数据和可视化方面，这正是我想要的，即色彩映射对应于所有4个直方图。然而，由于标签与标题重叠，我认为我只需运行相同的代码，但这次使用plt.tight_layout(pad=a, w_pad=b, h_pad=c)，希望能够解决标签重叠的问题。但是这一次，无论我如何更改数字a，b和c，我总是得到我的色条在第二列图形上，就像这样：

现在，只有更改a使整体子图变大或变小，我最好的办法就是使用plt.tight_layout(pad=-10, w_pad=-15, h_pad=0)进行调整，看起来像这样：

因此，无论您的新方法是如何做到的，它都使整个图形失去了可调性。您的解决方案虽然很好地解决了一个问题，但却引发了另一个问题。那么在这里应该怎么做呢？

编辑2：

使用fig，axes = plt.subplots(nrows，ncols，sharex=True，sharey=True，constrained_layout=True)以及plt.show()，结果如下：

正如您所看到的，子图列之间仍然存在垂直间隙，即使使用plt.subplots_adjust()也无法消除。

- user3613025

如果您的matplotlib版本足够新，colorbar(image[idx], ax=a)应该可以工作。 - Jody Klymak

@ThomasKühn，我不确定你是否阅读了我的问题。我明确表示，我已经尝试过他们在链接中发布的方法，但对我无效。 - user3613025

@ImportanceOfBeingErnest，你是指我没有发布我用于绘图的实际数据吗？我的matplotlib版本是2.2.2。我尝试了constrained_layout，它修复了问题，但仍然无法解决我无法重新调整子图中两列之间间隔的问题。请参见我上面的编辑。 - user3613025

我认为，通过您在编辑中展示的最后一个例子，您已经非常接近解决问题了。我不认为tight_layout可以解决2D直方图之间间隔的问题。原因是imshow会为轴使用等比例，而您的直方图是正方形的。tight_layout始终尝试平均填充空间。我认为有两个相当简单的解决方法：（1）使用非等比例（imshow（...，aspect ='auto'）），或（2）玩弄图形的宽高比，例如使用plt.subplots(...， figsize = (4.8,4))。 - Thomas Kühn

1

好的，非常感谢！ - user3613025

显示剩余3条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Thomas Kühn · Accepted Answer

编辑:

正如评论中所指出的那样，这里最大的问题实际上是使许多直方图的色条有意义，因为ax.hist2d将始终缩放它从numpy接收到的直方图数据。因此，最好先使用numpy计算2d直方图数据，然后再使用imshow来可视化它。这样，还可以应用linked question的解决方案。为了更清晰地显示归一化问题，我花了一些精力使用scipy.stats.multivariate_normal生成了一些质量不同的2d直方图，这表明尽管每个图中的样本数量相同，但直方图的高度可以发生相当大的变化。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import gridspec as gs
from scipy.stats import multivariate_normal

##opening figure and axes
nrows=3
ncols=3
fig, axes = plt.subplots(nrows,ncols)

##generate some random data for the distributions
means = np.random.rand(nrows,ncols,2)
sigmas = np.random.rand(nrows,ncols,2)
thetas = np.random.rand(nrows,ncols)*np.pi*2

##produce the actual data and compute the histograms
mappables=[]
for mean,sigma,theta in zip( means.reshape(-1,2), sigmas.reshape(-1,2), thetas.reshape(-1)):

    ##the data (only cosmetics):    
    c, s = np.cos(theta), np.sin(theta)
    rot = np.array(((c,-s), (s, c)))
    cov = rot@np.diag(sigma)@rot.T
    rv = multivariate_normal(mean,cov)
    data = rv.rvs(size = 10000)

    ##the 2d histogram from numpy
    H,xedges,yedges = np.histogram2d(data[:,0], data[:,1], bins=50, range=[[-2, 2],[-2, 2]])

    mappables.append(H)

##the min and max values of all histograms
vmin = np.min(mappables)
vmax = np.max(mappables)

##second loop for visualisation
for ax,H in zip(axes.ravel(),mappables):
    im = ax.imshow(H,vmin=vmin, vmax=vmax, extent=[-2,2,-2,2])

##colorbar using solution from linked question
fig.colorbar(im,ax=axes.ravel())

plt.show()

这段代码会生成如下图所示的图形：

旧回答:

解决您的问题的一种方法是显式生成颜色条的空间。您可以使用GridSpec实例来定义颜色条的宽度。以下是您的subplots_hist_2d()函数，稍作修改即可。请注意，您使用的tight_layout()将颜色条移动到了一个有趣的位置，因此需要替换。如果您想让图形更接近，请尝试调整图像的纵横比。

def subplots_hist_2d(x_data, y_data, x_labels, y_labels, titles):

##    fig, a = plt.subplots(2, 2)
    fig = plt.figure()
    g = gs.GridSpec(nrows=2, ncols=3, width_ratios=[1,1,0.05])
    a = [fig.add_subplot(g[n,m]) for n in range(2) for m in range(2)]
    cax = fig.add_subplot(g[:,2])


##    a = a.ravel()
    for idx, ax in enumerate(a):
        image = ax.hist2d(x_data[idx], y_data[idx], bins=50, range=[[-2, 2],[-2, 2]])
        ax.set_title(titles[idx], fontsize=12)
        ax.set_xlabel(x_labels[idx])
        ax.set_ylabel(y_labels[idx])
        ax.set_aspect("equal")
##    cb = fig.colorbar(image[-1],ax=a)
    cb = fig.colorbar(image[-1], cax=cax)
    cb.set_label("Intensity", rotation=270)

    # pad = how big overall pic is
    # w_pad = how separate they're left to right
    # h_pad = how separate they're top to bottom
##    plt.tight_layout(pad=-1, w_pad=-10, h_pad=0.5)
    fig.tight_layout()

使用这个修改过的函数，我得到了以下输出：